论文部分内容阅读
查询结果排序是信息检索领域的关键问题，排序学习方法是该领域近年来兴起的研究热点。在经典排序学习模型RankSVM的基础上，提出了一种序关系优化的多超平面排序模型。该模型首先根据训练数据所属等级之间的序关系进行多个超平面的构建，然后将多个超平面得到的排序列表进行聚合获得最终的排序结果。在LETOR OHSUMED数据集上对所提出的模型进行了实验测试，使用信息检索领域的多个经典指标对模型的性能进行了评测，并与RankSVM等方法进行了比较。实验结果显示该模型不仅获得了更优的排序性能，而且能显著缩短训练时间。